Panda's en conditie

Panda S En Conditie



'We kunnen 'Panda's' definiëren als een open-sourcetool. We kunnen verschillende woordenboeken en DataFrames maken met behulp van 'Panda's'. We kunnen ook voorwaarden en operatoren toepassen op onze gegevens in 'panda's'. Hier zullen we de operator 'en' bespreken, die we zullen gebruiken in onze voorwaarden in 'panda's'. Wanneer we de 'AND' -operator in een voorwaarde gebruiken, wordt 'TRUE' geretourneerd als aan alle voorwaarden is voldaan, en als aan een voorwaarde niet is voldaan, wordt 'FALSE' geretourneerd. In de meeste programmeertalen wordt het gesymboliseerd door het '&&'-teken, maar bij het programmeren van panda's wordt het gesymboliseerd door '&'. We zullen de 'en voorwaarde' in deze zelfstudie onderzoeken.

Syntaxis

df [ ( cond_1 ) & ( cond_2 ) ]

Voorbeeld 01

We doen deze codes op de 'Spyder'-app en zullen de 'AND' -operator gebruiken in onze voorwaarden in 'panda's' hier. Terwijl we de panda-codes doen, moeten we eerst de 'panda's als pd' importeren en de methode krijgen door gewoon 'pd' in onze code te plaatsen. Vervolgens genereren we een woordenboek met de naam 'Cond', en de gegevens die we hier invoegen zijn 'A1', 'A2' en 'A3' zijn de kolomnamen, en we voegen '1, 2 en 3' toe aan de ' A1', in 'A2' is er '2, 6 en 4' en de laatste 'A3', bevat '3, 4 en 5'.







Vervolgens gaan we het DataFrame van dit woordenboek maken door hier het 'pd.DataFrame' te gebruiken. Hiermee wordt het DataFrame van de bovenstaande woordenboekgegevens geretourneerd. We geven het ook weer door hier de 'print ()' op te geven, en daarna passen we enkele voorwaarden toe en gebruiken we ook de '&'-operator in deze voorwaarde. De eerste voorwaarde hier is dat 'A1 >= 1', en dan plaatsen we de '&' operator en plaatsen een andere voorwaarde die 'A2 < 5' is. Wanneer we dit uitvoeren, wordt het resultaat geretourneerd als 'A1 >=1' en ook 'A2 < 5'. Als hier aan beide voorwaarden is voldaan, wordt het resultaat weergegeven en als aan een van beide hier niet is voldaan, worden er geen gegevens weergegeven.



Het controleert zowel de kolommen 'A1' als 'A2' van het DataFrame en retourneert vervolgens het resultaat. Het resultaat wordt op het scherm weergegeven omdat we de instructie 'print ()' gebruiken.







De uitkomst is hier. Het toont alle gegevens die we in het DataFrame hebben ingevoegd en controleert vervolgens beide voorwaarden. Het retourneert die rijen waarin 'A1 >=1' en ook 'A2 < 5'. We krijgen twee rijen in deze uitvoer omdat in twee rijen aan beide voorwaarden is voldaan.



Voorbeeld 02

In dit voorbeeld maken we het DataFrame direct na het importeren van de 'panda's als pd'. Het 'Team' DataFrame wordt hier gemaakt, waarbij de gegevens vier kolommen bevatten. De eerste kolom is de kolom 'teams' waarin we 'A, A, B, B, B, B, C, C' plaatsen. Dan is de kolom naast de 'teams' 'score', waarin we '25, 12, 15, 14, 19, 23, 25 en 29' invoegen. Hierna is de kolom die we hebben 'Uit', en we voegen er ook gegevens in toe als '5, 7, 7, 9, 12, 9, 9 en 4'. Onze laatste kolom hier is de kolom 'rebounds' die ook enkele numerieke gegevens bevat, namelijk '11, 8, 10, 6, 6, 5, 9 en 12'.

Het DataFrame is hier voltooid en nu moeten we dit DataFrame afdrukken, dus hiervoor plaatsen we de 'print ()' hier. We willen enkele specifieke gegevens uit dit DataFrame halen, dus stellen we hier enkele voorwaarden. We hebben hier twee voorwaarden en we voegen de operator 'AND' toe tussen deze voorwaarden, zodat het alleen die voorwaarden retourneert die aan beide voorwaarden voldoen. De eerste voorwaarde die we hier hebben toegevoegd, is de 'score > 20' en plaats vervolgens de '&'-operator en de andere voorwaarde die 'Out == 9' is.

Het filtert dus die gegevens waarbij de score van het team minder is dan 20 en ook hun outs zijn 9. Het filtert die en negeert de overige, die niet aan beide voorwaarden of een van hen voldoen. We tonen ook die gegevens die aan beide voorwaarden voldoen, daarom hebben we de methode 'print ()' gebruikt.

Slechts twee rijen voldoen aan beide voorwaarden, die we op dit DataFrame hebben toegepast. Het filtert alleen die rijen waarin de score hoger is dan 20, en ook hun outs zijn 9 en geeft ze hier weer.

Voorbeeld 03

In onze bovenstaande codes voegen we gewoon de numerieke gegevens in ons DataFrame in. Nu plaatsen we enkele stringgegevens in deze code. Na het importeren van de 'panda's als pd', gaan we over tot het bouwen van een 'Member' DataFrame. Het bevat vier unieke kolommen. De naam van de eerste kolom hier is 'Naam' en we voegen de namen van de leden in, namelijk 'Allies, Bills, Charles, David, Ethen, George en Henry'. De volgende kolom heet hier 'Locatie' en heeft 'Amerika. Canada, Europa, Canada, Duitsland, Dubai en Canada” erin. De kolom 'Code' bevat 'W, W, W, E, E, E en E'. We voegen hier ook de 'punten' van de leden toe als '11, 6, 10, 8, 6, 5 en 12'. We renderen het 'Member' DataFrame met behulp van de 'print ()'-methode. In dit DataFrame hebben we enkele voorwaarden vastgelegd.

Hier hebben we twee voorwaarden, en door de operator 'AND' ertussen toe te voegen, worden alleen voorwaarden geretourneerd die aan beide voorwaarden voldoen. Hier is de eerste voorwaarde die we hebben geïntroduceerd 'Locatie == Canada', gevolgd door de '&'-operator en de tweede voorwaarde, 'punten <= 9'. Het haalt die gegevens uit het DataFrame waarin aan beide voorwaarden is voldaan, en vervolgens hebben we 'print ()' geplaatst die die gegevens weergeeft waarin beide voorwaarden waar zijn.

Hieronder ziet u dat er twee rijen uit het DataFrame worden gehaald en weergegeven. In beide rijen is de locatie 'Canada' en zijn de punten minder dan 9.

Voorbeeld 04

We importeren hier zowel de 'panda's' als 'numpy' als respectievelijk 'pd' en 'np'. We krijgen de 'panda's'-methoden door 'pd' te plaatsen en de 'numpy' -methoden door de 'np' waar nodig te plaatsen. Dan bevat het woordenboek dat we hier hebben gemaakt drie kolommen. In de kolom 'Naam' waarin we 'Allies, George, Nimi, Samuel en William' invoegen. Vervolgens hebben we de kolom 'Obt_Marks', die de verkregen cijfers van de studenten bevat, en die cijfers zijn '4, 47, 55, 74 en 31'.

We maken hier ook een kolom voor de 'Prac_Marks' die de praktische cijfers van de student hebben. De markeringen die we hier toevoegen zijn '5, 67, 54, 56 en 12'. We maken het DataFrame van dit woordenboek en drukken het vervolgens af. We passen hier de 'np.Logical_and' toe, die het resultaat in de vorm 'True' of 'False' zal retourneren. We slaan het resultaat ook op na het controleren van beide voorwaarden in een nieuwe kolom, die we hier hebben gemaakt met de naam 'Pass_Status'.

Het controleert of de 'Obt_Marks' groter is dan '40' en 'Prac_Marks' groter is dan '40'. Als beide waar zijn, wordt het in de nieuwe kolom waar; anders wordt het onwaar.

De nieuwe kolom wordt toegevoegd met de naam 'Pass_Status' en deze kolom bestaat alleen uit 'True' en 'False'. Het wordt waar waar de behaalde punten en ook de praktische punten groter zijn dan 40 en onwaar voor de overige rijen.

Conclusie

Het belangrijkste doel van deze tutorial is om het concept van 'en conditie' in 'panda's' uit te leggen. We hebben gesproken over het verkrijgen van die rijen waar aan beide voorwaarden is voldaan, of we worden ook waar voor die rijen waar aan alle voorwaarden is voldaan en onwaar voor de overige. We hebben hier vier voorbeelden onderzocht. Alle vier de voorbeelden die we in deze zelfstudie hebben vastgesteld, hebben dit proces doorlopen. De voorbeelden in deze zelfstudie zijn allemaal zorgvuldig gepresenteerd voor uw voordeel. Deze tutorial zou je moeten helpen dit idee beter te begrijpen.